OpenAI Jalapeño芯片：自研推理ASIC的野心
引子：最强大脑，为什么要自己造芯片 2026年，OpenAI做了一件让整个芯片行业侧目的事——推出了自研推理芯片Jalapeño。这个名字带着典型的OpenAI式幽默（“墨西哥辣椒”），但背后的野心一点也不搞笑：OpenAI要在推理环节，摆脱对NVIDIA的依赖。 这件事的逻辑不难懂。OpenAI是全球最大的GPU买家之一，GPT-6 Astra那种规模的训练与推理，每年在算力上烧掉的钱是天文数字。而NVIDIA的GPU性能虽强，却是"通用"芯片——它为了同时满足图形、训练、推理等各种场景做了很多"多余"的设计。对OpenAI来说，既然自己的推理负载是高度可预测、高度重复的，为什么不专门设计一颗只为自己服务的芯片？ 芯片规格：一颗为推理而生的专用芯片 Jalapeño的关键参数，每一个都指向"推理专用"这个定位。 项目 OpenAI Jalapeño 合作方 Broadcom 显存 216GB HBM4 功耗 700W 开发周期 9个月（从概念到芯片） 成本 比NVIDIA GPU便宜约50% 拆开来看： 216GB HBM4：足够装下大模型权重，支撑高并发推理 700W功耗：单芯片高功耗，但专用架构下能效比更优 与Broadcom合作：OpenAI不自己建厂，而是设计芯片，由Broadcom负责制造与供应链——这是"轻资产自研"的标准范式 比NVIDIA便宜50%：这是最关键的商业数字 数据来源：OpenAI与Broadcom联合披露，2026年 9个月：为什么这个速度才是重点 很多人忽略了Jalapeño最惊人的一个细节——从概念到芯片只用了9个月。 一颗主流芯片从立项到流片再到量产，行业惯例是两到三年。OpenAI和Broadcom把这个周期压缩到9个月，靠的是三件事：一是高度聚焦的目标（只做推理，不贪多），二是成熟的设计工具与IP复用，三是不惜一切代价的工程投入。 阶段 行业典型周期 Jalapeño 概念到芯片 2–3年 9个月 设计目标 通用GPU 专用推理ASIC 制造合作 自建/自研 Broadcom代工 9个月意味着什么？意味着OpenAI的芯片迭代速度，第一次可以追上模型的迭代速度。过去是"模型等硬件"——模型一代一代出，芯片却要两三年才换一版。现在OpenAI可以让芯片跟着模型走，哪一代模型需要什么推理特性，9个月后就有一颗量身定做的芯片。这种软硬件协同的速度，是纯买NVIDIA GPU的对手做不到的。 便宜50%：这场自研的真正目的 Jalapeño最锋利的刀，是"比NVIDIA GPU便宜50%"。 这个数字直接戳中了AI商业模式的命门。OpenAI推理业务的毛利率，长期受限于GPU采购成本——自己训练、自己API调用，每一次请求都在给NVIDIA交"算力税"。当推理量随着Agent爆发式增长，这笔税就成了一个无底洞。 自研ASIC的逻辑链条非常清晰： 推理负载高度重复、可预测，不像训练那样需要极致灵活 用专用ASIC替代通用GPU，砍掉"为通用性付出的多余成本" 同等算力成本直降50%，等于推理毛利率直接往上跳一截 推理成本下降，又能让OpenAI把API降价、抢更多调用量 这是一个自我强化的飞轮。当别人还在买NVIDIA芯片跑推理，OpenAI用自己的芯片把成本砍半——这就是"最强大脑"向"最省钱大脑"进化的关键一步。 与NVIDIA的微妙关系 Jalapeño的存在，让OpenAI和NVIDIA的关系变得微妙。 一方面，OpenAI依然是NVIDIA最大的客户之一——训练GPT-6 Astra那种模型，还是得靠Vera Rubin级别的整柜。另一方面，OpenAI在推理环节自研芯片，等于在NVIDIA最赚钱的市场里"挖墙脚"。 环节 OpenAI的选择 训练 重度依赖NVIDIA旗舰GPU 推理 自研Jalapeño ASIC降本 这种"训练靠NVIDIA、推理靠自己"的双轨策略，是OpenAI深思熟虑后的结果。训练需要极致性能和灵活性，NVIDIA暂时无可替代；推理需要极致成本，自研ASIC才有空间。聪明的玩家不是全面替代谁，而是在最划算的环节动手。 行业影响：推理ASIC成为新战场 Jalapeño的意义，远超OpenAI一家。它点燃了整个行业的"自研推理芯片"热情。 ...